متا قصد دارد تولید انبوه تراشه هوش مصنوعی داخلی خود با کد Iris را در سپتامبر 2026 آغاز کند، زیرا این شرکت تلاش می کند تا اتکای خود به انویدیا را کاهش دهد و کنترل بیشتری بر زیرساخت های تقویت کننده جاه طلبی های هوش مصنوعی خود در دست بگیرد. این طرح‌ها که ابتدا توسط رویترز از یک یادداشت داخلی شرکت گزارش شد، یکی از ملموس‌ترین گام‌هایی است که تاکنون توسط یک hyperscaler برای قرار دادن یک شتاب‌دهنده سفارشی در این زمینه در مقیاس انجام شده است.

این افشاگری همچنین در لحظه تشدید رقابت در [سخت‌افزار هوش مصنوعی] سفارشی (https://aibuzzwire.news)، جایی که هر شرکت بزرگ فناوری ابری و مصرف‌کننده در حال رقابت برای طراحی سیلیکون متناسب با نیازهای آموزش مدل‌های زبانی بزرگ و استنتاج است، رخ می‌دهد. برای متا، که سالانه ده‌ها میلیارد دلار برای محاسبات هزینه می‌کند، حتی افزایش اندک در کارایی یا هزینه هر توکن به صرفه‌جویی هنگفتی تبدیل می‌شود.

دو برابر شدن ظرفیت محاسباتی به 14 گیگاوات

بر اساس یادداشتی که رویترز توصیف کرده و توسط رسانه هایی مانند کوارتز، فرست پست و مومو تأیید شده است، متا قصد دارد تا سال 2027 تقریباً ظرفیت محاسباتی خود را دو برابر کند و به حدود 14 گیگاوات برساند. در جهان

شتاب دهنده عنبیه در این انبساط مرکزی است. در حالی که رویترز مشخصات دقیقی را فاش نکرد، این تراشه برای استنباط و بارهای کاری آموزشی که بر سیستم‌های توصیه متا، ویژگی‌های هوش مصنوعی تولیدی و تحقیقات داخلی تسلط دارند، طراحی شده است. انتقال آن به تولید به این معنی است که متا در حال آماده شدن برای استقرار سیلیکون خود در کنار و احتمالاً به جای پردازنده‌های گرافیکی انویدیا است که در حال حاضر مراکز داده‌اش را متصل می‌کنند.

چندین نشریه فناوری، از جمله Times Now و NewsBytes، این حرکت را به عنوان شواهدی مبنی بر اینکه فشار هوش مصنوعی متا در حال افزایش سرعت و بلوغ فراتر از خرید تراشه های شخص ثالث است، تعریف کردند.

چرا یک تراشه سفارشی مهم است

متا اولین شرکتی نیست که سیلیکون هوش مصنوعی خود را می سازد. گوگل تقریباً یک دهه است که واحدهای پردازش تنسور (TPU) خود را ارسال کرده است، آمازون شتاب دهنده های Trainium و Inferentia خود را توسعه داده است و مایکروسافت از تراشه های هوش مصنوعی سفارشی خود رونمایی کرده است. اما مقیاس استقرار متا و وسعت بارهای کاری هوش مصنوعی آن، برنامه Iris را به ویژه برای تعادل رقابتی در بازار شتاب‌دهنده‌ها مهم می‌سازد.

تراشه های سفارشی دو مزیت اصلی دارند. اول، می‌توان آن‌ها را برای مجموعه نرم‌افزاری خاص و معماری‌های مدل یک شرکت بهینه کرد و عملکردی را که پردازنده‌های گرافیکی همه منظوره روی میز باقی می‌گذارند، کاهش داد. دوم، در زمانی که پردازنده‌های گرافیکی پیشرفته انویدیا گران هستند و اغلب محدودیت عرضه دارند، وابستگی به یک تامین‌کننده را کاهش می‌دهند. برای شرکتی که قصد دارد ردپای محاسباتی خود را در عرض دو سال دو برابر کند، اغراق این اهرم استراتژیک دشوار است.

برنامه های خرج کردن، نقطه عطف تراشه را تحت الشعاع قرار می دهند

با وجود سیگنال مثبت روی سیلیکون سفارشی، سرمایه گذاران محتاطانه واکنش نشان دادند. یاهو فایننس گزارش داد که سهام متا سقوط کرد زیرا برنامه‌های مخارج زیرساخت‌های هوش مصنوعی این شرکت پیشرفت تراشه را تحت الشعاع قرار داد، الگویی که توسط TradingPedia تکرار شد و اشاره کرد که سهام متا سقوط کرد زیرا تعهدات هزینه‌ای نقطه عطف تولید را کوچک‌تر کرد.

این تنش منعکس کننده یک سوال صنعتی گسترده تر است که بر کل گروه هایپرمقیاس کننده سنگینی کرده است: آیا سرمایه ای که به محاسبات هوش مصنوعی سرازیر می شود به اندازه کافی سریع بازده ایجاد می کند تا بازارها را راضی کند. بلندپروازی اعلام شده متا برای رسیدن به ظرفیت 14 گیگاوات مستلزم ادامه هزینه های سرمایه ای سنگین برای زمین، برق، خنک کننده و تراشه ها برای سال های آینده است.

محدودیت انرژی و توان

رسیدن به ظرفیت محاسباتی 14 گیگاوات به اندازه یک چالش سیلیکونی یک چالش انرژی است. یک گیگاوات تقریباً خروجی یک راکتور هسته‌ای بزرگ است، به این معنی که هدف متا مستلزم تأمین انرژی در مقیاس نیروگاه‌های جدید چندگانه در عرض چند سال است. این امر ابر مقیاس‌کننده‌ها، از جمله متا، را به مذاکرات بی‌سابقه‌ای بر سر انرژی هسته‌ای، قراردادهای تجدیدپذیر، و اتصالات شبکه اختصاصی سوق داده است.

برنامه تراشه Iris تا حدی پاسخی به این محدودیت است. سیلیکون کارآمدتر انرژی کمتری را برای کار محاسباتی مشابه مصرف می‌کند و بار منبع برق را که قبلاً تحت فشار قرار گرفته است کاهش می‌دهد. اگر Iris بتواند عملکرد در هر وات را بهبود بخشد، می تواند به Meta کمک کند تا گیگاوات خود را بیشتر کند و هم هزینه انرژی و هم ردپای کربن خود را کاهش دهد.

یک لحظه محوری برای سیلیکون Hyperscaler

هدف تولید سپتامبر به متا یک جدول زمانی مشخص برای تماشا می دهد. اگر Iris عملکرد معنی‌داری یا مزیت‌های هزینه را در استقرار در دنیای واقعی ارائه دهد، می‌تواند تغییری را تسریع بخشد که در آن بزرگ‌ترین اپراتورهای هوش مصنوعی به‌جای خرید حیاتی‌ترین شتاب‌دهنده‌های خود، به‌طور فزاینده‌ای می‌سازند. این امر اقتصاد کل زنجیره تامین سخت افزار هوش مصنوعی را تغییر می دهد، از ریخته گری گرفته تا فروشندگان پردازنده های گرافیکی که در دو سال گذشته تسلط داشته اند.

در حال حاضر، یادداشت به جای نتایج اثبات شده، هدف را نشان می دهد. اما ترکیبی از تاریخ تولید، دو برابر شدن ظرفیت و منطق استراتژیک روشن، Iris را به یکی از برنامه‌های تراشه سفارشی که از نزدیک تماشا می‌کنند در صنعت تبدیل می‌کند.

از هوش مصنوعی جلوتر بمانید

برای پوشش عمیق و مستقل مسابقه سخت‌افزاری هوش مصنوعی، ساخت مراکز داده و شرکت‌هایی که زیرساخت‌های محاسباتی را تغییر می‌دهند، [AI Buzz Wire] (https://aibuzzwire.news) را برای پیشرفت‌هایی که عصر بعدی هوش مصنوعی را تعریف می‌کنند، دنبال کنید.

اخبار سخت افزار هوش مصنوعی را بیشتر بخوانید →